Airdoc张大磊：眼科医生的危机？AI在医疗图像识别领域迎来爆发

今天和大家分享的内容是 AI在 医疗 图像识别中的应用。 传统上人们对 AI 的理解更多来自文学影视作品，比如说机器人等。 现实生活中人工智能不太一样。

正如我们人类发明的飞机并不像鸟类一样长翅膀， 人工智能 严格意义上也并不是和人类一样思考，只是从数学层面拟合人脑思维。

过去几十年的发展，人工智能已经经过了历史上多次期望值的起起落落，也从专家系统决策树等简单的逻辑规则不断进步，逐步发展出perceptron、hmm、dropout等层出不穷的理论模型和数学拟合方法。

其中二三十年前的SVM和随机森林是可以解决一些现实问题的。 比如说用自动识别大量邮政信件的邮编，识别支票签名等。

过去这些年医疗领域积攒了大量数据，要从中发现出多个因素的关联性，往往上述方法就可以有初步效果。我们过去几年的合作伙伴也有专家合作和我们用这些算法模型得出了不错的科研成果发到SCI上。

精神、心理、神内、心血管领域的很多数据分析用这些就足够了，效果比传统的医学统计学或者数理统计要好。 但是咱们眼科的问题更复杂。

眼科很大程度上依赖图像识别 ，过去二十年图像识别领域主要依赖颜色、纹理、形状等特征，不过大家知道，每个人眼底眼表图像都很不同，这个图像识别带来了困难。

直到 深度学习 的出现，才大大改观。

过去几年用我们Airdoc算法的医疗机构发高分论文相对容易， 是深度学习带来的技术红利 ，因为深度学习可以在较 大数据 量下取得和人类相似的效果，这个远超过去的图形学可以取得的效果

实际上，除了我们Airdoc之外，还有Google AlphaGo在围棋领域取得进展，也有Tesla在 无人驾驶 领域取得进展。 人工智能深度学习在接下来将进入集中爆发期，会被用在各行各业各个病种上，尤其在图像识别领域会进展更为迅速。

过去15年，软件重构了一些行业。

以ImageNet挑战赛中Hinton团队在物体识别领域做到超出普通人物体识别准确度为分水岭，接下来15年人工智能将进入各个领域。 那么， 作为工作中大量与图像影像打交道的眼科医生，人工智能对我们意味着什么呢？

让我们来一步步深入看看人工智能深度学习。

人工智能大领域下细分领域有机器学习，机器学习大领域下细分领域有深度学习， 深度学习是这几年技术发展的爆发领域。 深度学习的原理是通过大量数据训练神经网络数学模型，使之输入输出拟合人类专家

训练数据有医生标注的是监督学习，没有标注的是无监督学习。目前有监督学习领域效果好很多。

所以，如果您是眼科医生，碰巧有很多高质量图像数据，那可以用Airdoc深度学习算法训练出和您的判断标准一样的深度神经网络，除了批量快速产出高质量论文和科研成果外，推广到基层后可以将您的判断能力覆盖到成千上万患者。

如果您是基层医生，有不会看的眼科图片或影像，可以通过Airdoc人工智能深度神经网络直接识别出疾病，作为学习的平台可以见到各种病例。

深度学习算法模型的训练分为以上各个环节， 需要眼科医生和深度学习算法人员的通力配合。

以我们几年前开始做过去一两年合作机构已经发表了文章的糖网为例，训练流程为医生定义问题为需要算法识别糖网分型分级，医生准备数据标注数据并交叉review，算法模型训练，测试，验收，临床试用，多国临床试用，中间还是经历了一些困难的，但是成果非常显著，已经应用在多个国家的糖网筛查实践中。

有一些疾病是可以通过训练一个深度神经网络实现的，比如说识别斜视患者图片（ 不包括隐性斜视和旋转性斜视 ）； 有一些疾病诊断比较复杂，需要通过多个深度神经网络每个网络负责其中一个环节的图像识别， 比如说眼眶病。

使用人工智能做辅助诊断也有法律和伦理问题 ，所以Airdoc过去几年也和NIH及国内卫生部紧密合作，参与制定了相关领域的两国标准。同时受邀率先签署了Elon Musk和霍金发起的AI行业公约。确保做的任何一个算法模型都是人类的好助手好工具

Airdoc也发起了政府支持的给偏远地区和第三世界国家在线阅片的计划，第一步由AI初筛，其中有严重问题的眼科医生复核，欢迎各位眼科医生加入。

从整个行业发现来看，我们认为 人工智能深度学习对眼科领域的发展将起到非常积极的作用 ，欢迎各位眼科医生和我们多交流，一起进步，一起解决眼科难题，一起推向广大患者解决他们的问题。

讨论

许懋：眼科再也不需要技师了。

张大磊： 算法只能作为医生工具 ，就像新时代的听诊器显微镜一样，不能取代任何人。

黄潇：人工智能还不能替代医师或技师？

许懋：部分检查应该可以取代的。

黄潇： 算法是对特定条件下特定问题的解决。

张大磊：就像汽车发明了之后驾驶马车的人陆续学会开汽车一样，以后每个医生技师都会使用人工智能辅助工具的。 这是一个效率和准确率提升过程，尤其对基层有意义。

刘保松：不仅仅如此，AI代替不了人，但可以减轻人的工作，甚至会提升诊断效率和精读，为未来发展提供平台。

李：非常感兴趣，这个人工智能用于糖网的筛查 如果 是可以实现的，现实中是如何使用的？现在可以用于临床，或者是临床应用研究吗？

张大磊：去年我们合作机构新英格兰，自然，科学，这些杂志都有发， 现在用深度学习识别医疗图像是个热点。 作为多家杂志的审稿人单位，我们注意到这个领域在变热投稿的人在逐步增加。

曾光： AI会逐渐取代人的某些低级工作并向高级过度 ，不过人也是在不停发现，发挥更多重要自身功能，人在经历越来越多挑战，尤其是人的角色，伦理，工作……计算机发明后账房先生的工作发生了很多革命性的变化。现在的医生就要未雨绸缪，未来我怎么跟AI合作？

程勉征：请问准备和标注样本的数量需要多少，比如眼眶，釆集角膜和眼眶正侧位像多少，眼眶部眼球穾出的径纬度是用什么变量釆集的？

张大磊：您提到的变量问题取决于标注，算法自动学习到标注。

程勉征：标注点？由算法自动确认？没有明白，比如眼部正位，侧位，标注？

张大磊：算法可以自己检测学会人类标注，这是深度学习有意思的地方，不是基于规则的。

---

重磅福利！【 2017中国互联网+新商业峰会 】， 6月15-16日两天3000人次，携程创始人梁建章，嘉御基金创始人、前阿里巴巴CEO卫哲，分众传媒创始人江南春等嘉宾已确认出席，期待你的参与， 限量钜惠 票 等你拿！